A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

A técnica estatística de Modelagem por Equações Estruturais é uma valiosa ferramenta que considera um conjunto de variáveis dependentes. Por meio de análise.

Apresentações semelhantes


Apresentação em tema: "A técnica estatística de Modelagem por Equações Estruturais é uma valiosa ferramenta que considera um conjunto de variáveis dependentes. Por meio de análise."— Transcrição da apresentação:

1 A técnica estatística de Modelagem por Equações Estruturais é uma valiosa ferramenta que considera um conjunto de variáveis dependentes. Por meio de análise confirmatória, permite testar, se plausível, a causalidade entre os itens. Ou seja, permite investigar até que ponto uma variável preditora pode explicar uma outra variável. Dessa forma, pode-se criar um amplo modelo relacional com estimativas de forças para todas as relações hipotetizadas em um esquema teórico. Objetivo Introdução Análise estatística Técnica: Modelagem por equações estruturais Software: Mplus VERSION 5.2 Modelo elaborado por estratégias confirmatórias e exploratórias, de acordo com as seguintes etapas: 1.Seleção do melhor modelo para as variáveis de leitura. 2.Adição das variáveis ​​ comportamentais e as ​​ sócio-demográficas. 3.Modelo final representa o esforço de encontrar o melhor índice de modificação ( ↓ qui-quadrado; ↑ ajuste). 4.O modelo final apresenta bom ajuste: χ² (52) = 69.820; p = 0.050; CFI = 0.993; RMSEA = 0.029; χ²/grau de liberdade= 1.343. Amostra Turmas do 2º ao 5º ano do EF de 8 escolas públicas Estaduais de BH: 1)72 professores 2)422 alunos Instrumentos Método Resultados O modelo final sugere vasta relação causal e correlacional entre as variáveis: 1.Leitura de palavras isoladas é a base para a compreensão de texto. 2.Sintomas de Déficit de Atenção e Hiperatividade (SDAH) funcionam como uma central de ligações entre todas as habilidades de leitura e as variáveis comportamentais. 3.SDAH prejudicam todas as medidas de leitura e é fortemente responsável por Problemas de Comportamento e Sintomas Emocionais. 4.O ano escolar é melhor estimador da habilidade de leitura e de inteligência fluida do que a idade cronológica. 5.Inteligência não-verbal se correlaciona com a leitura de palavras e é importante para uma boa compreensão de texto e eficiência leitora. O presente trabalho prove validação concorrente e discriminante para todos os instrumentos aqui utilizados. Conclusão 1.Angelini, A. L.; Alves, I. C. B.; Custódio, E. M. & Duarte, W. F. (1999). Manual. Matrizes Progressivas Coloridas de Raven. São Paulo: Casa do Psicólogo. 2.Cogo-Moreira, H.; Ploubidis, G.; De Avila, C.; Mari, J. & Pinheiro, A.M.V. (2012). EACOL (scale of evaluation of reading competency by the teacher): Evidence of concurrent and discriminant validity. Neuropsychiatric Diseases and Treatment, (8): 443–454. 3.Cuetos, F., Rodrigues, B., & Ruano, E. (2012). PROLEC - Provas de Avaliação dos Processos de Leitura. Adaptação para o português S. A. Capellini, A. M. Oliveira, & F. Cuetos. 2 ed. revisada e ampliada. São Paulo: Casa do Psicólogo. 4.Goodman R. (1997). The Strengths and Difficulties Questionnaire: a research note. J Child Psychol Psychiatry. 38(5):581-586. 5.Pinheiro, A. M. V. (1996). Contagem de Frequência de Ocorrência de Palavras Expostas a crianças na faixa pré-escolar e séries iniciais do 1º grau. São Paulo (SP): Associação Brasileira de Dislexia. 6.Pinheiro, A. M. V. (2007). Lista de palavras. In: Inês Sim-Sim; Fernanda Leopoldina Viana. (Org.). Para a Avaliação do desempenho de leitura. Lisboa: Gabinete de Estatística e Planejamento da Educação (GEPE), p. 120-130. 7.Pinheiro, A. M. V. (2012) Validação e estabelecimento de normas de uma prova computadorizada de reconhecimento de palavras para crianças. Relatório de pesquisa submetido à FAPEMIG (ref. SHA - APQ-01914-09). 8.Vilhena, D. A. & Pinheiro, A. M. V. (em adaptação). Adaptação e Validação da Avaliação da Eficiência de Leitura. Referências Investigar: 1.o padrão de relação entre as variáveis ​​ de leitura, comportamentais, demográficas e cognitivas; 2.até que ponto essas variáveis predizem a habilidade de leitura. Preditores da habilidade leitora: modelagem por equações estruturais com variáveis linguísticas, comportamentais, demográficas e desenvolvimentais VILHENA, Douglas de Araújo – douglasvilhena@gmail.com PINHEIRO, Ângela Maria Vieira – pinheiroamva@gmail.com GOMES, Cristiano Mauro Assis – cristianomaurogomes@gmail.com Universidade Federal de Minas Gerais – Brasil Palavras-chave: avaliação de leitura, modelagem por equações estruturais, validação, Strengths & Difficulties Questionnaires, Matrizes Progressivas Coloridas de Raven. Avaliação da Eficiência de Leitura: medida que serve tanto para o componente semântico (compreensão de sentenças) quanto do reconhecimento de palavras (decisão lexical) 8. Prova de Leitura de Palavras (PLP): leitura em voz alta de 88 palavras isoladas, que variam em relação a frequência de ocorrência, regularidade bidirecional, comprimento 5,6. Prova de Leitura de Pseudopalavras (PLPP): leitura em voz alta de 88 pseudopalavras isoladas, construídas com estrutura ortográfica e comprimento das palavras da PLP 2,7. Subteste Compreensão de Textos (PROLEC): 4 pequenos textos (dois narrativos e dois expositivos) com quatro perguntas cada 3. Questionário de Capacidades e Dificuldades (SDQ-pt): breve triagem do comportamento 4. Matrizes Progressivas Coloridas (Raven): avaliação da inteligência não-verbal 1. Apoio: Aprovação do Comitê de Ética da UFMG: CAAE - 17754514.6.0000.5149 AnoIdadeSexoRavenAELPROLECPLP %PLP accPLPP accSEPCPRCCPS Age.9251.00 Sex-.033-.0141.00 Raven.424.399-.0791.00 AEL.517.507.035.4521.00 PROLEC.315.312-.024.414.5151.00 PLP %.245.243.018.295.563.5161.00 PLP acc.522.540.019.376.818.454.6161.00 PLPP acc.472.492-.041.372.764.414.590.8911.00 SE-.044-.002.014-.140-.255-.176-.179-.233-.2191.00 PC-.019-.004-.144-.138-.190-.138-.193-.162-.174.2941.00 PRC.115.130-.169-.058-.105-.047-.117-.106-.102.356.4811.00 CPS.060.215.112.161.086.109.179.160-.149-.479-.5061.00 SDAH-.035-.010-.204-.206-.345-.259-.309-.289.413.704.406-.400 Tabela 1. Matriz correlacional de variáveis ​​ sócio-demográficas, de medidas de leitura e comportamentais (destacadas separadamente em blocos cinzas). Técnica: Robust Maximum Likelihood Estimator Legenda – %: medida de precisão; acc: medida de acurácia; SE: sintomas emocionais; PC: problemas de comportamento; PRC: problemas de relacionamento com os colegas; CPS: comportamento pró-social; SDAH: sintomas de déficit de atenção e hiperatividade. Acurácia: Leitura de Pseudopalavras Acurácia: Leitura de Palavras Eficiência de Leitura Compreensão de Texto Raven Problemas com colegas Sintomas emocionais Atenção e Hiperatividade Comportamento pró-social Ano escolar Problemas de comportamento Precisão: Leitura de Palavras Idade Sexo 79% 9% 12% 2% 35% 6% 38% 9% 10% 2% 3% 1% 7% 4% 13% 2% 16% 13% 50% 9% 2% 16% 1% 6% 5% 9% 13% 14% 0,7% 78% 14% 2% 15% 2% 0,4% 1% Azul: medidas de leitura Vermelho: variáveis desenvolvimental e ​​sócio-demográficas Verde: Comportamento Linha Amarela: relação causal Linha Azul: relação correlacional 90 inter-correlações: 32 moderadas (0.30 - 0.79) e 3 fortes (0.818 – 0.925). Idade e ano escolar mostram correlações moderadas com as medidas de leitura e com a inteligência não-verbal. Sexo não se correlaciona de forma moderada ou forte com nenhuma variável. Figura 1 – Modelo e porcentagens de variância entre as relações das variáveis. p < 0.05 para todas as medidas.


Carregar ppt "A técnica estatística de Modelagem por Equações Estruturais é uma valiosa ferramenta que considera um conjunto de variáveis dependentes. Por meio de análise."

Apresentações semelhantes


Anúncios Google